论文部分内容阅读
当前许多科学技术问题都要依赖于计算机技术解决,如科学计算,计算机模拟等。虽然近几十年来硬件技术的发展使CPU的处理速度迅速提高,但在诸多高级应用领域内,对处理速度的要求仍不能得到满足。诸如在SAR图像处理、能源探测、气象预测、军事战争、人工智能等方面,都需要快速有效的计算机来实现大规模的科学计算和数据处理。单机技术的有限性决定了计算机发展必然走上多机并行的道路,并行处理技术的发展将成为未来国防建设、科技发展的主要推动力量,因此并行计算将成为未来主流计算模式。并行处理技术的研究领域非常广泛,包括并行体系结构、并行软件和并行算法等。图像在人类的感知中扮演着非常重要的角色,人类随时随处都要接触图像,图像所传递的信息比其它任何形式更加丰富和真切。在人类接受的信息中,视觉信息占到70%以上。海量的数字图像信息给存储器的存储容量、通信带宽及计算机的处理速度带来极大的压力,因此需要对图像进行高倍的压缩。但是大多数图像压缩算法都具有运算复杂、计算量大及必要的实时需求等特点,获得最小的时间开销和最小的空间开销的压缩算法成为数字图像处理的关键所在。并行计算是提高处理速度的有效手段,随着高性能并行处理系统的发展,并行图像处理技术为提高图像处理速度提供了更大的空间。因此,并行图像处理算法的研究是非常重要和有价值的。本文以集群计算技术为主要研究对象,重点研究了并行算法在图像压缩编码中的应用。本文概述了图像处理技术和并行计算的基本概念,以及并行图像处理技术的应用及发展;重点讨论了并行计算的网络体系结构,并行计算模型及算法设计方法等,并通过一个MPI平台下的程序实例证明并行算法的高效性。本文的创新点:通过分析顺序算术编码的特征,发现算术编码并行的可能性,并推导出一种基于LogP模型的并行算术编码算法,根据时间复杂度和成本复杂度分析,证明本文提出的并行算法具有较高的并行效率,可以很好的适用于MIMD的集群系统。